RNN网络架构解读
神经网络中的另一个重要分支-RNN
递归神经网络,在传统神经网络上进行改进
网络能否学到时间相关性的影响?
- 输出层
- 隐藏层
- 输入层
- 将原来的特征再次利用
- 特征在时序上呈现相关性
- x2,和x1同时传入到隐藏层,进行运算
应用领域
- CNN-CV计算机视觉
- RNN-NPL自然语言处理
计算过程
- 构建时间序列
- 必要时自己创建时间序列
- 得到中间输出结果h0,1,2,3
- 应该用ht,把所有特征全部综合得到的结果。
单词如何做编码
做一种编码的方式,word rec
把数据转换成为三维向量,并且按照时间顺序进行排列
LSTM
RNN网络是当前比较典型的代表
- 序列从0到1万。RNN结果最后一个结果会把前面的结果全都记忆下来
- 记忆太多,就容易出现误差
LSTM
- C控制参数:持续进行维护和更新
- 决定什么样的信息会进行遗忘
- 经过计算决定丢弃什么信息
- It要保留下来的新信息a
- Ct新数据形成的控制参数